00:00/00:00
外链地址
http://www.eemp3.com/audiofile/d797bb29b6870e82da3da0dc4e976711.mp3
点击复制
本字幕由TME AI技术生成
用声音碰撞世
声动活泼
嗨
各位早上好
今天是二零二六年的二月二十五号
星期三
这里是声动早咖啡
我是来自生动活泼的梦一
和前些年相比
今年**档电影的票房最接近哪一年
在一月tcl 控股索尼电视业务之后
又有哪一家日系电视巨头找到了中国公司合作
今天节目的上半段就会来回答这些问题
在今天后半段的金解读时间里
想和你来聊聊我们和ai 互动的方式
刚刚过去的这个**
Ai 的含量之高
相信你我都已经感受到了
昨天我们也聊到了
无论是元宝
千万还是豆包
各家大厂通过一轮又一轮的活动
让ai 的存在感几乎拉满
而就当各种ai 工具逐渐融入我们日常生活的同时
也有越来越多的研究表明
重度ai 用户容易形成所谓认知卸载的习惯
认知卸载
简单来说就是我们把认知任务委托给外部辅助工具
以减少我们在认知过程当中记忆和理解的负担
其实认知卸载并不是一个在ai 时代才出现了新现象
这是人类的本能
也是我们每个人每天都在做的事情
只不过随着ai 融入到日常生活
人类的认知卸载传统被延续和放大了
而这些也引发了学界的担忧
我们今天和ai 的互动方式
会不会在不知不觉中削弱了我们深度思考和批判性思维的参与程度
那作为普通的打工人
我们在追求效率
需要深度使用ai 的同时
又该如何避免陷入过度认知现在所带来的风险
那我们在了解几条最近的商业科技新鲜事儿之后节目后半段的清解读时间里
就会来回答这些问题
**档票房收入下滑
国家电影专资办的数据显示
二零二六年**假期全国电影的总票房达到五十七点五亿元
同比下降百分之四十
拉长时间来看
今年**档的整体成绩是近七年的最低水平
接近二零一八年同期的五十七点七亿元
财经指出
虽然为期九天的**假期被称为史上最长
但是**档芯片照常在大年初一开始放映芯片
观影时间与往年持平
不过档期内一共有六部芯片上映
供应数量不减
平均票价也有所下降
总体观影人次却同比下滑了百分之三十六
三十六课的分析认为
爆款作品缺位
整体竞争力偏弱
导致了今年**档难以形成往年那样全民刷屏的破圈效应
日系电视巨头持续与中国厂商合作
二月二十四号
日本电子巨头松下宣布
四月起将把北美和欧洲市场的电视销售业务全面移交给中国家电制造商创维集团
松下自身将会聚焦日本本土市场销售以及高端机型的研发生产
日经新闻指出
在欧洲市场中
松下缩减了与中国厂商竞争激烈的中小尺寸电视产品线
导致销量下滑
而在美国
松下在等离子电视业务失利退出后重新回归
但是表现始终低迷
目前面对中国家电厂商在全球市场的崛起
松下在欧美市场的广告
物流等等运营成本居高不下
所以决定将销售业务交给创维
此前松下已经调整的电视业务
将利润率较高的高端机型交给自有工厂生产
中小尺寸的低价机型则委托给tcl 等等公司生产
他们之后面向欧洲的部分生产也可能会交给创维
巨身智能赛道受到热捧
根据彭博社二月二十三号的报道
智能手机厂商荣耀计划在这一周发布首款人形机器人
主要用于购物
导览等等消费服务类场景
彭博社认为
将人工智能融入实体产品的竞赛
目前正在由中国初创公司领跑
去年十二月以来
中国的机器人领域单轮十亿元级的融资不断
马年开年之后
千寻智能和智平方两家机器人公司都官宣新融资估值超过百亿
有行业人士表示
此前巨身智能行业普遍集中在机器人本体的研发
但是最近行业开始更加重视聚身大脑
二零二六年的巨身智能行业可能会非常像二零二三年的大模型
如果一家企业没有足够资金
无法把模型性能跑到头部水平
就很难进入核心竞争圈
Ai 开始冲击软件行业
二月二十三号
科技公司ibm 的股价下跌百分之十三
创下二零零零年以来的最大跌幅
这主要是因为当天下午
美国ai 公司n soopping 发布博客表示他们的产品cloud coo 可用用a 自自分析析并且写大量量编程程言编写的老旧系统代码cococobo 是一种诞生于一九五九年的编程语言
常用于商业数据处理领域
比如支付处理和零售交易系统等等
目前运行cobe 的大多数大型主机是由ibm 制造的
Ibm 相当一部分的营收还和这些大型主机的维护生态有关
不过fast company 的报道显示
大型主机的主要顾客是银行
政府这些对可靠性要求比较高的部门
Coo 的维护难度大
成本高
最初还是为批量处理设计的
不太适合现代的云端和实时应用
私营企业已经逐步启用
许多大学的计算机专业也不再教授他
理解coo 的程序员也越来越少少
但是nso pic 指出
过去理解早期代码的成本会高于重写成本
现在ai 可以快速分析还原代码的设计意图
将coo 代码转换为更加现代的语言
Fast company 认为这也意味着cobo 系统很可能迁移到更新的云服务器上
这也将会冲击ibm 的收入
同时投资者普遍担忧ai 工具的发展让编程更加容易
将会颠覆那些提供订阅制服务的软件公司
软件股近期也遭遇抛售潮
整体低迷
Ibm 由此也受到了影响
以上就是今天早咖啡为你梳理的几条商业科技动态
下面让我们一起走进到今天的清解毒时间
欢迎来到今天的新解读
你会不会经常刷到各种与ai 相关的教程
比如二十四小时精通ai agent
如何打造属于你个人的ai 团队
快速上手web coding
十分钟做出你的第一个作品等等
当ai 工具和使用技巧变得触手可得
职场中那个隐形的ai 囚徒困境也会更加明显
当你的同事用ai 在二十分钟内生成一份完整的市场分析
而你自己要花三个小时独立推演问题的时候
这种及时压力几乎让人无法抗拒
要么深度使用ai
要么就会被淘汰
于是ai 也从一开始的帮我们整理资料
处理数据
一至深入到更加复杂的工作任务中
比如搭建问题的解决框架
提供创意方向
甚至参与到战略层面的分析
就在我们逐渐放松警惕
因为ai 获得所谓认知卸载的同时
你是不是想过
我们的深度思考和批判性思维能力也有可能因为ai 的重度使用在逐渐的下滑
麻省理工学院媒体实验室不久之前进行了一项研究
他们找来了一批以麻省理工学院在校学生为主
年龄在十八到三十九岁之间的受试者
让他们分别用三种方式完成任务
一组主要用check gbt 辅助
一组用google 搜索
另一组纯靠自己的脑力
经过四个月的追踪发现使用check gbt 的成员大脑整体活动度最低
在神经反应
语言表现还有行为层面上都呈现出持续落后的状态
而且他们的原创性也更低
到这个研究临近结束的时候
这组成员往往也会选择直接照搬ai 生成的大段原文
宾夕法尼亚大学去年的一项研究显示
与使用搜索引擎相比
使用check gbt 辅助的志愿者写出的文章篇幅更短
事实引用更少
研究者也指出
这是因为ai 直接替人类完成了关键的信息综合步骤
将探索和发现的机会彻底交泄给算法
导致学习沦为被动接收
对知识的理解也注定流于肤浅
此外
卡内基梅隆大学在调查了三百一十九名每周至少使用一次ai 工具的白领之后发现
对ai 的信任程度越高
认知懈载就会越明显
批判性思维的参与度也会随之下降
在更加深层的隐忧在于
这种依赖还可能演变成为一种认知舒适区成瘾
也就是当大脑习惯了这种捷径
在需要重建深度思考能力的时候
反而会带来像戒断反应一般的痛苦
不过如果我们把这些担忧放到更长的技术史中回看的话
会发现从印刷术到互联网
几乎每一次技术飞跃都伴随着人们担忧它会不会削弱人类的智力
事实上
这种思维可以追溯到苏格拉底
他曾经担心过度依赖写作会削弱人类的记忆力和真正的理解能力
然而最终每一项的创新都为新形势的进步铺平了道路
一篇发表在自然期刊上的文章也指出
损害认知能力的风险并不是来自于使用ai 本身
而是被动的
不加批判的依赖ai
这才会削弱我们处理信息
规划行动和解决问题的能力
那作为普通打工人的我们
在整个大环境都在不断的强调提升效率的当下
我们又该如何一边大量使用ai
一边守住自己的深度思考能力呢
方式之一
请保持自主思考的首要地位
可能在几年前
你要写一篇文章
往往会先从一份很粗糙甚至是有点混乱的草稿开始
那其实也是人类真实的头脑风暴
我们先把想法摊开
然后再慢慢理顺
而现在
你可能已经更加习惯于一种从提示词到接受的模式
也就是先把问题丢给ai
让他给方案
给段落
给结构
然后我们再去做调整润色
或者是让ai 继续做一些补充
经过几次修改之后就可以直接交付了
就久而久之
你做的更像是一个编辑
而不是一个原创者
如果你面对每一项任务的第一反应都是让ai 工具给你一个起点
那么你实际上是在跳过思考当中最关键的那个部分
也就是搭结构
理逻辑和产生新想法的过程
而也正是这段过程决定了我们的判断能力
财富杂志的评论文章建议我们可以尝试从让ai 替你下结论
盗用ai 帮你检查或者是补齐结论
比如说你要提交一份关于是否进入某个新市场的分析报告
再让ai 帮忙之前
请一定要试着先让自己完成一个哪怕非常粗糙的版本
包括你的目标客户群体
竞争定位
资源需求等等
就算只有几行简短的信息要点
那也没关系
通过完成这些最初的认知工作
你也会对最终的产出产生更加强烈的所有全感
然后我们再去利用人工智能去识别潜在的盲点
比如说可以让ai 帮你挑出你的推理最薄弱的三个地方
并且解释为什么薄弱
以此来通过ai 找到潜在的漏洞
或者让ai 提供你没有考虑过的替代路径等等
这样做也就意味着你是用ai 来完善你的想法
而不是让ai 直接替你产生想法
方式之二
借助ai 拓展你的认知边界
而不是替你证明你是对的
我们很多人在使用ai 的时候
更像是在寻找一个支持者
让ai 帮你论证为什么你是对的
而人工智能往往非常擅长这件事儿
它会顺着你的假设补充看似严密的理由
给出一套逻辑完整
语气自信的说法
但这并不等于你的判断真的经得起检验
哈佛商业评论的文章指出
更有价值的做法是刻意让ai 作为你的反方辩友
站在你的对立面
帮你意识到潜在的问题或者是风险
比如你正在做一份营销策划方案
已经大致形成了一个明确的方向
可能是一次新品上线
一场品牌快闪
或者是一个社交媒体的传播方案
你对于核心卖点
主打渠道还有传播节奏都已经有了一个自己的基本判断
那在这种情况下
你完全可以让ai 来扮演你的反对者的角色
让他尽可能的告诉你这个方案为什么可能会失败
比如说让他站在反对这个营销方案的立场
给出他可能翻车或者是效果不及预期的三种最主要原因
或者让他模拟一些关键视角帮你发现问题
比如说让ai 作为一个对相关品牌并不感兴趣的普通消费者
当他看到这套传播内容的时候
最可能产生哪些反感或者是无感的反应
或者让ai 模拟市场部的负责人
提出最有可能质疑这个方案的哪些方面
这种刻意的认知交锋是可以迫使你完善自身的逻辑
保持批判性思维的敏锐度的方式之三
Ai 可以加速学习节奏
但是千万别把看过当成理解
可能在几年前
每当我们遇到一个陌生的概念或者是知识点的时候
大概率我们会去搜索
会去翻资料做笔记
或者是请教身边的人
在经过一段或长或短的学习时间之后
最终消化理解
而现在
几乎任何问题你只要问一句
Ai 就能够迅速的给出一段看似结构完整
逻辑清晰的解释
我们暂且抛开对ai 答案准确性的担忧
通常情况下
我们通过和ai 的交互
很容易产生一种自己正在快速消化理解一个新概念的错觉
实际上很多时候我们只是读过一遍
并没有真正建立起能够迁移到其他情境中的理解
瑞士imd 国际管理发展学院的教授指出
更理想的方法是借助ai 快速搭建基础知识框架
再基于基础理解向ai 提出更深入的问题
比如通过不断的追问
举例
验证等等多轮次的深入互动
确保我们能够真正理解
而不是停留在表面的熟悉
嗯
Open ai 的教育副总裁此前向连线杂志表示
当church bt 只是被当成一个答案机器而不是辅导工具来使用的时候
它是会阻碍人们的学习效果的
当然
现如今ai 公司也在试图将自己的产品打造成所谓导师的角色
除了open ai 进入教育领域
And soopping 也在去年为cloud 推出了学习模式
这些模型的目标就是通过苏格拉底式的对话提出问题
给出提示
而不是直接给出答案
不过就像福布斯评论文章所描述的那样
Ai 加速的是学习节奏
而不是替你完成理解本身
任何深度理解都需要时间
无论ai 模型如何进化
人类深度知识和技能的真正掌握
永远都离不开真实的认知锻炼
无论是否有ai 的参与
想知道你在日常使用ai 的时候
会经常追问问题吗
有哪一次的追问会让你觉得特别有收获或者是启发吗
欢迎你在评论区和我们一块来分享你的使用心得
另外
我们找咖啡其实也一直在寻找热爱思考
喜欢追问问题
对世界充满好奇心
同时也喜欢声音这种表达形式的全职和实习伙伴
如果你有兴趣加入我们
欢迎给我们投递简历
详细的信息在单集简介里就可以找到
另果你每天天早上需要快速出门
不妨试试看接下来介绍的sk two 调色防晒霜小贝壳
我们也将会在今天的评论区抽取三位听友送出这个产品
节后刚返工
从轻松切回到现实
身体还在适应早起节奏
早吧的每一分钟都格外宝贵
那早在去年的这个时候
我们就给大家推荐过sk two 的调色防晒霜
这一个产品就能代替防晒
隔离
妆前和底妆
让你在争分夺秒的早吧省掉那一排瓶瓶罐罐
一分钟就能打造仿佛天生好皮的清透素颜妆
带着好气色直接出门
今年sk two 新一代调色防晒霜小贝壳在妆效和使用感上都更进一步
首先是防晒指数直接拉到spf 五十加pa 四个加
日常通勤和户外活动完全够用
上脸后延展性好
不会油腻厚重
虽然它的质地水润轻薄
但隔离遮瑕的效果却一点也不打折扣
涂开后几分钟就和皮肤自然融合
并且能长效持妆八小时
哪怕是下班去健身出油出汗后
镜子里的自己依旧妆面服帖
气色再现
更重要的是
小贝壳的配方中还还特别添了sk two 神仙水的王牌成分peteara
长时间使用还能美白养肤
皮肤状态通透有光泽
这次小贝壳一共推出了三个颜色
想要修饰小瑕疵的朋友可以选择自然色
若是脸色暗沉想要提亮气色
则可以选择玫瑰色
如果只想做好防晒
追求原生肤感
那选择透明色就够了
所以如果你也想在艰难起床的早晨快速出门
不妨试试这款sk two 小贝壳调色防晒霜
感兴趣趣的朋友们可以点击收note 中的购买链接了解更多
以上就是今天的全部内容
感谢你收听声动早咖啡
祝你度过愉快的一天